Predictors of acute kidney injury in dengue patients: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Dengue infection poses a significant global health challenge, particularly in tropical and subtropical regions. Among its severe complications, Acute kidney injury (AKI) stands out due to its association with increased morbidity, mortality, and healthcare burdens. This Meta-analysis aim to identify and evaluate the predictors of AKI among dengue patients, facilitating early detection and management strategies to mitigate AKI's impact. METHODS: We searched PubMed, EMBASE, and Web of Science databases, covering literature up to February 2024. We included human observational studies reporting on AKI predictors in confirmed dengue cases. Nested-Knowledge software was used for screening and data extraction. The Newcastle-Ottawa Scale was used for quality assessment. R software (V 4.3) was utilized to compute pooled odds ratios (ORs) and 95% confidence intervals (CIs) for each predictor. RESULTS: Our search yielded nine studies involving diverse geographic locations and patient demographics. A total of 9,198 patients were included in the studies, with 542 diagnosed with AKI. in which key predictors of AKI identified include severe forms of dengue (OR: 2.22, 95% CI: 1.02-3.42), male gender (OR: 3.13, 95% CI: 1.82-4.44), comorbidities such as diabetes mellitus (OR: 3.298, 95% CI: 0.274-6.322), and chronic kidney disease (OR: 2.2, 95% CI: 0.42-11.24), as well as co-infections and clinical manifestations like rhabdomyolysis and major bleeding. CONCLUSION: Our study identifies several predictors of AKI in dengue patients. These findings indicate the importance of early identification and intervention for high-risk individuals. Future research should focus on standardizing AKI diagnostic criteria within the dengue context and exploring the mechanisms underlying these associations to improve patient care and outcomes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,038 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».